[paddleocr]文档图像方向分类模块使用教程

[paddleocr]文档图像方向分类模块使用教程

文档图像方向分类模块使用教程 ¶

一、概述 ¶

文档图像方向分类模块主要是将文档图像的方向区分出来，并使用后处理将其矫正。在诸如文档扫描、证照拍摄等过程中，有时为了拍摄更清晰，会将拍摄设备进行旋转，导致得到的图片也是不同方向的。此时，标准的OCR流程无法很好地应对这些数据。利用图像分类技术，可以预先判断含文字区域的文档或证件的方向，并将其进行方向调整，从而提高OCR处理的准确性。

二、支持模型列表 ¶

| 模型 | 模型下载链接 | Top-1 Acc（%） | GPU推理耗时（ms） [常规模式 / 高性能模式] | CPU推理耗时（ms） [常规模式 / 高性能模式] | 模型存储大小（M) | 介绍 | |:—😐:—😐:—😐:—😐:—😐:—😐:—😐 | PP-LCNet_x1_0_doc_ori | 推理模型 / 训练模型 | 99.06 | 2.31 / 0.43 | 3.37 / 1.27 | 7 | 基于PP-LCNet_x1_0的文档图像分类模型，含有四个类别，即0度，90度，180度，270度 |

测试环境说明:

• 性能测试环境
  • 测试数据集： 自建多场景数据集（1000张图片，含证件/文档等场景）
  • 硬件配置：
    • GPU：NVIDIA Tesla T4
    • CPU：Intel Xeon Gold 6271C @ 2.60GHz
    • 其他环境：Ubuntu 20.04 / cuDNN 8.6 / TensorRT 8.5.2.2
• 推理模式说明

三、快速开始 ¶

❗ 在快速开始前，请先安装 PaddleOCR 的 wheel 包，详细请参考 安装教程 。

使用一行命令即可快速体验：

paddleocr doc_img_orientation_classification -i https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/img_rot180_demo.jpg

您也可以将文档图像方向分类模块中的模型推理集成到您的项目中。运行以下代码前，请您下载 示例图片 到本地。

from paddleocr import DocImgOrientationClassification
 
model = DocImgOrientationClassification(model_name="PP-LCNet_x1_0_doc_ori")
output = model.predict("img_rot180_demo.jpg",  batch_size=1)
for res in output:
    res.print(json_format=False)
    res.save_to_img("./output/demo.png")
    res.save_to_json("./output/res.json")

运行后，得到的结果为：

{'res': {'input_path': 'img_rot180_demo.jpg', 'page_index': None, 'class_ids': array([2], dtype=int32), 'scores': array([0.88164], dtype=float32), 'label_names': ['180']}}

运行结果参数含义如下： - input_path ：表示输入图片的路径。 - class_ids ：表示预测结果的类别id，含有四个类别，即0度，90度，180度和270度。 - scores ：表示预测结果的置信度。 - label_names ：表示预测结果的类别名。

可视化图片如下：

相关方法、参数等说明如下：

• DocImgOrientationClassification 实例化文档图像方向分类模型（此处以 PP-LCNet_x1_0_doc_ori 为例），具体说明如下：

• 其中， model_name 必须指定，指定 model_name 后，默认使用内置的模型参数，在此基础上，指定 model_dir 时，使用用户自定义的模型。
• 调用文档图像方向分类模型的 predict() 方法进行推理预测，该方法会返回一个结果列表。另外，本模块还提供了 predict_iter() 方法。两者在参数接受和结果返回方面是完全一致的，区别在于 predict_iter() 返回的是一个 generator ，能够逐步处理和获取预测结果，适合处理大型数据集或希望节省内存的场景。可以根据实际需求选择使用这两种方法中的任意一种。 predict() 方法参数有 input 和 batch_size ，具体说明如下：

• 对预测结果进行处理，每个样本的预测结果均为对应的Result对象，且支持打印、保存为图片、保存为 json 文件的操作:

• 此外，也支持通过属性获取带结果的可视化图像和预测结果，具体如下：

四、二次开发 ¶

由于PaddleOCR并不直接提供文档图像方向分类的训练，因此，如果需要训练文档图像方向分类模型，可以参考 PaddleX 文档图像方向分类二次开发 部分进行训练。训练后的模型可以无缝集成到 PaddleOCR 的 API 中进行推理。